标签
这篇立场论文提出了「模型即库」(Model as a Library,简称 MaaL)这一软件架构,它将小型、由社区招募数据训练而成的语音模型打包为带版本管理的设备端依赖项,用于低资源非洲语言场景下离线且无幻觉的数据采集。论文提出利用关键词识别,将封闭词表的数字表单转变为面向识字率较低人群的语音化、设备端数据采集流程,并将现有的表单工具转译为 MaaL 模式。
本文介绍了PromptKWS,一种新颖的提示引导开放词汇关键词识别框架,利用提示嵌入和交叉注意力来提高准确性,在唤醒率和准确率方面分别比基线系统提高了超过10%和15%。
本文提出了一种利用干预对比学习的后训练优化方法,将语音基础模型的表示解耦为独立的内容和说话人子空间。该方法在域外说话人验证任务上表现出更优性能,并提供了成功分离的证据。